利用红移分箱参数化方法拟合Constitution SNIa数据

在这项工作中，我们探讨了最近发布的包含397颗Ia型超新星（SNIa）的Constitution样本的宇宙学意义。通过重新审视Chevallier-Polarski-Linder（CPL）参数化，我们发现，仅拟合Constitution数据集时，暗能量（DE）的行为显著偏离宇宙学常数$\Lambda$，其中DE的状态方程（EOS）$w$和能量密度$\rho_{\Lambda}$随红移$z$的增加而迅速下降。受此线索启发，我们将红移划分为不同的区间，并分别讨论了每个区间内常数$w$或常数$\rho_{\Lambda}$的模型。结果表明，仅拟合Constitution数据集时，$w$和$\rho_{\Lambda}$也随$z$的增加而迅速下降，这与CPL模型的结果一致。此外，一个$\rho_{\Lambda}$在红移$z\sim0.331$处迅速下降的阶跃函数模型相比CPL参数化有显著改进（$\Delta \chi^{2}=-4.361$），并且表现优于其他DE模型。我们还绘制了该模型DE密度的误差棒，发现该模型在68.3%置信水平（CL）上偏离宇宙学常数$\Lambda$；这可能是由SNIa数据处理中的某些系统性偏差误差引起，或者更有趣地，是由DE本身的本质引起。此外，对于具有相同红移区间数量的模型，分段常数$\rho_{\Lambda}$模型总是优于分段常数$w$模型；这表明使用$\rho_{\Lambda}$而非$w$来探测DE变化的优势。